近期，汪天富教授团队的研究成果“Augmented Multi-center Graph Convolutional Network for COVID-19 Diagnosis”在顶级期刊IEEE Transactions on Industrial Informatics（2020年IF=9.1）上发表。论文通讯作者是雷柏英副教授，第一作者是宋雪刚博士，大红鹰499555为第一署名单位。 

        基于医学图像对新冠患者进行自动检测在疾病发现过程中具有重要的地位，现有研究主要基于现有的深度学习网络算法对其进行分类。由于新冠病毒的广泛传播，得到的数据通常来自不同的医院，而不同医院数据的差异性尚未得到有效的研究。另外基于3D CT数据的卷积神经网络参数较多，而得到的样本数量有限，决定了这是个小样本分类任务。

提出的基于增强多中心图卷积神经网络的新冠自动分类流程图

        该研究提出了一种基于图卷积神经网络的新冠自动检测方法。首先，针对3D CT数据，设计基于3D CNN的特征提取网络，在此融合Ghost模块和多任务机制来改善其性能。其次，设计多中心图卷积神经网络，抓住多中心数据间的差异性并对提取得到的特征进行修正。最后，设计增强图结构解决小样本问题。该研究基于国内6个医院的数据集和1个网上公开的数据集（共2223个新冠样本和2221个正常对照样本）对算法进行验证，通过其中的6个数据集对网络进行训练，而另外1个数据集做验证。实验结果表明提出的三个技术可以明显改善识别效果，平均分类精度达到97.7%。

实验验证过程当中的ROC曲线

        该研究获得了国家自然科学基金、广东省自然科学基金、深圳市孔雀计划等项目资助。
        研究成果链接：https://ieeexplore.ieee.org/document/9347710
        代码连接：https://github.com/Xuegang-S/AM-GCN